Vapaata riistaa. Sellaista on asiakasdata ollut jo pitkän aikaa. Kuka tahansa on voinut kerätä, käsitellä ja kaupata melkein mitä tahansa tietoa ihmisistä. Tähän asiakasdatan villiin länteen on kuitenkin alettu puuttua rankalla kädellä. Ei ole mikään salaisuus, että EU haluaa saada some- ja hakukonejätit kuriin sekä tiukentaa samalla merkittävästi tietosuojasääntelyä. Lainsäädännön kiristyessä yritysten oman datan merkitys kasvaa räjähdysmäisesti. Mitä aiheesta on mieltä oman asiakasdatan ympärille liiketoimintaa rakentanut Anna M. Lehto?

Kerro lyhyesti kuka olet ja mitä teet?

Olen Lehdon Anna – entinen journalisti, nykyinen markkinoija. Kokemusta on in-house -tiimeistä, tiimien vetämisestä, markkinoinnin konsultoimisesta ja nyt myös yrittäjänä toimimisesta. 

Perustin yritysten oman datan hyödyntämiseen erikoistuneen markkinointitoimiston 70/30 Digitalin kesällä 2021.

Lähdetään liikkeelle ihan perusasioista. Mitä tarkoitetaan ensimmäisen, toiseen ja kolmannen osapuolen datalla? Miksi eronteko kannattaa tehdä?

Ensimmäisen osapuolen datalla tarkoitetaan kaikkea sitä dataa, jota yritykset asiakkaistaan keräävät itse esimerkiksi verkkosivujensa tai myymälöidensä kautta. Data voi liittyä esimerkiksi verkkosivuvierailijoiden käyttäytymiseen. Millä sivuilla he vierailevat? Kuinka kauan he sivuilla viettävät aikaa? Yhtä lailla data voi liittyä asiakkaiden ostokäyttäytymiseen, eli siihen, mitä he ostavat.

Toisen osapuolen datalla viitataan jonkin toisen tahon ensimmäisen osapuolen dataan. Esimerkkinä voi mainita kumppaniyritysten toisilleen jakamaa tietoa asiakkaista.

Kolmannen osapuolen data on tietoa, jota joku ulkopuolinen taho kerää ihmisistä ja myy eteenpäin. Tyypillisiä esimerkkejä ovat somejätit, kuten Meta ja hakukoneyritys Google.

Lisäksi on vielä olemassa Zero-party Dataa (nollan osapuolen data), eli tietoa, jonka asiakas on tietoisesti kertonut yritykselle esimerkiksi osana kyselyä.

Käytännön esimerkkinä voidaan vaikka tarkastella koirista pitäviä ihmisiä. Zero-party dataa olisi se, kun kertoisin pitäväni koirista. Ensimmäisen osapuolen dataa voisi olla vaikkapa tieto, että olen tilannut koirien leluja verkkokaupasta.  Toisen osapuolen datasta voitaisiin puhua esimerkiksi tilanteessa, jossa järjestän koira-aiheisen webinaarin yhteistyössä kumppaniyrityksen kanssa ja jään osallistujalistan tälle kumppanille tapahtuman jälkeen. Kolmannen osapuolen dataa olisi esimerkiksi se, jos ostaisin koirista kiinnostuneiden ihmisten tiedot mainoskampanjaa varten.

Eronteko näiden eri datamuotojen välillä kannattaa tehdä jo ihan siitäkin syystä, että lainsäädäntö kolmannen osapuolen datan käyttöön on kiristynyt ja kiristyy yhä edelleen. EU:lla on vakaa tahtoa rikkoa Metan kaltaisten globaalien jättiyritysten dominoivan markkina-aseman sekä parantaa samalla henkilötietojen suojaa.

Kun kolmannen osapuolen datan hyödyntäminen muuttuu hankalammaksi, niin yritysten oman datan merkitys korostuu entisestään. Olemme jo nyt huomanneet omien asiakkaidemme kohdalla, että oman datan kerääminen ja hyödyntäminen on kaikkein kustannustehokkain tapa kääntää data kannattavaksi kasvuksi.

Perustit Suomen ainoan ensimmäisen osapuolen dataan erikoistuneen markkinointitoimiston. Miksi?

Seuraa erittäin juustoinen vastaus, mutta käytin perhevapailla 2020-21 olessani paljon  jonkin verran aikaa taloustieteiden opiskelemiseen. Kiinnostuin siitä, että meidän BKT on jo vuosia laahannut muiden pohjoismaiden perässä. Halusin ihan oikeasti päästä auttamaan suomalaisyrityksiä heidän kilpailukyvyn vahvistamisessa ja tiesin, että 1st party data tulee olemaan asia, jossa apua tarvitaan.

Lisäksi olin in-house -markkinointia aikaisemmin tehdessäni ajautunut tosi syvälle GDPR:n saloihin. Koin, että suomalaisyrityksillä on paljon hyödyntämätöntä potentiaalia. Monilla yrityksillä on esimerkiksi massiivisia uutiskirjetilaajamääriä, mutta sitä dataa hyödynnetään usein vain sähköpostien massalähetyksiin.

Perehdyin tarkemmin tähän problematiikkaan ja havahduin, että yrityksiltä puuttuu prosessit ja systematiikka oman datan keräämiseen ja hyödyntämiseen. Esimerkiksi asiakkaiden segmentointia ei useinkaan tehdä.

Näihin haasteisiin halusin tarjota apua. 

Miten te itse keräätte asiakasdataa? Onko sinulla jakaa joitain erityisen toimivia käytännön vinkkejä siihen?

Olemme joutuneet uutena yrityksenä lähtemään liikkeelle nollasta, mutta parhaiten meillä on toiminut tapahtumat, erityisesti webinaarit. Varsin hyviä kokemuksia olemme saaneet myös ladattavista materiaaleista, vaikka niiden tehokkuudesta onkin monenlaisia mielipiteitä.

Lisäksi olemme keskittyneet paljon myös uutiskirjetilaajien määrän kasvattamiseen.

Vinkkinä sanoisin yleisesti, että systemaattisuus kannattaa. Olen esimerkiksi ihmetellyt monesti uutiskirjeiden osalta, että mikseivät yritykset mainosta niitä aktiivisesti ja säännöllisesti. Harvalta esimerkiksi löytyy ländäriä (laskeutumissivu eli landing page) uutiskirjeelle.

Koska keskitytte ensimmäisen osapuolen dataan, niin teillä on varmasti hyvä käsitys siitä, missä suomalaisyrityksissä mennään sen osalta. Missä jamassa oman datan kerääminen ja hyödyntäminen Suomessa sinusta on?

Karkealla tasolla sanoisin, että B2B-puolella ollaan pikkasen pidemmällä. Tämä johtuu siitä, että B2B-yritysten vahvassa suosiossa olevat Salesforce ja Hubspot ovat ajaneet oman datan keräämistä jo pidemmän aikaa ja tarjonneet siihen hyvät työkalut.

B2C-puolella on toki myös edelläkävijöitä, mutta yhtälailla moni on vasta alkanut heräämään edistyneempään oman asiakasdatan keräämiseen ja käyttöön. Tyypillistä saattaa olla, että on jokin vanha uutiskirjetilaajakanta esimerkiksi MailChimpissä, mutta pidemmälle vietyä tekemistä ei ole. Tekemistä siis riittää.

Yleisesti ottaen yrityksillä kyllä on tavoitteita, mutta niiden saavuttamiseksi ei olla vielä tehty kovinkaan paljon toimenpiteitä. Ikävän tyypillistä on, että otetaan jokin työkalu tai teknologia käyttöön, mutta sitten se jää tyhjäkäynnille. Usein ei myöskään osata pyytää ulkopuolelta apua, vaikka oltaisiin datan hyödyntämisen osalta pattitilanteessa.

Mitä kanavia ja keinoja yrityksillä on oman asiakasdatan kerryttämiseen?

Kaikki lähtee liikkeelle luvasta. Yrityksellä pitää GDPR:n mukaan olla lupa käyttää yksityishenkilön dataa. Tyypillisin keino hankkia lupa on uutiskirjeen tilaus. Koska kaikki tarjoavat jo uutiskirjeen tilaamisen mahdollisuutta uskon, että esimerkiksi lojaliteettiohjelmat ja muut konseptit luvan keräämiseen tulevat yleistymään lähivuosina.

Erilaisia paikkoja datan säilyttämiseen on paljon. Dataa voidaan kerätä CRM-järjestelmään, markkinoinnin automaatio -työkaluun, CDP:hen ja muihin tietojärjestelmiin. Dataa kerätään useimmiten esimerkiksi verkkosivuilta, verkkokaupasta ja kivijalkamyymälöistä.

Pelkästään sähköpostilistoilla ei päästä pitkälle, koska kilpailija voi kerätä ihan saman listan vaikka huomenna. Kilpailuetua luodaan uniikilla datalla ja datan jatkuvalla rikastamisella. Miten sitten dataa rikastetaan? Vain luovuus ja GDPR on tässä rajana. Me ollaan esimerkiksi viety chatbotin dataa CDP:hen ja tehty erilaisia kyselyitä asiakkaille.

Haasteena oman datan kartuttamisessa tuntuu usein olevan heikko skaalautuvuus. Dataa on kyllä mahdollista kerätä, mutta se on usein hidasta ja vaivalloista. Mitä vinkkejä sinulla on datankeruun tehostamiseen?

Missään nimessä tuloksia ei tule yhtä nopeasti kuin maksetussa mainonnassa. Esimerkiksi CDP-alustan käyttöönotosta menee yhden tutkimuksen mukaan keskimäärin kahdeksan kuukautta ennen kuin aletaan saada aikaan näkyviä tuloksia.

Tuloksia saa nopeammin aikaan silloin, kun taustalla on jokin selkeä suunnitelma ja prosessit datan keräämiseen ja hyödyntämiseen. Siitäkin huolimatta odotusarvojen on oltava kohdallaan.

On myös hyvä miettiä, mihin omaan dataan satsaamalla tähdätään. Klikkausprosentit (CTR eli click-through-rate) ja klikkihinnat (CPC eli cost per click) ovat isossa kuvassa melko vähäpätöisiä asioita, mutta asiakkaan elinkaariarvo on jo liiketoiminnan kannalta paljon merkittävämpi seikka. Sen parantaminen ei tapahdu hetkessä.

Jotta omaan dataan liittyviä investointeja pystyy perustelemaan, olisi tärkeää kuitenkin saada aikaan quick winejä ja kommunikoida niistä. Esimerkiksi kaivamalla insighteja eniten ostavien asiakkaiden käyttäytymisestä ja profiilista. Yleensä myynti- ja tuotetiimit tykkäävät näistä ja haluavat kuulla lisää.

Mitä yritysten ylimmän johdon tulisi ymmärtää asiakasdatasta?

Sen, että markkinointi tulee jo lähitulevaisuudessa rakentumaan oman asiakasdatan päälle. Edelläkävijäfirmat investoivat omaan dataan jo nyt.

Markkinointia tuntuu piinaavan se, että tekemistä olisi aina moninkertaisesti enemmän kuin aikaa ja rahaa. Miten perustelisit panostukset asiakasdataan?

Pitkällä aikavälillä tämä on paitsi kustannustehokkain markkinointikanava, se myös kasvattaa yrityksen arvoa.

Yritys, jolla on asiakasdata ja asiakasymmärrys kunnossa on parhaat edellytykset vastata asiakkaiden tarpeisiin ja toiveisiin sekä palvella heitä parhaiten. Uniikki asiakasdata ja prosessi sen hyödyntämiseen rakentaa suoraan kilpailukykyä ja on siten arvokasta pääomaa yritykselle.

Miten ensimmäisen osapuolen dataa voi kerätä ja hyödyntää, jos markkinoinnilla on käytössään rajalliset resurssit?

Sehän tässä on hauskaa, ettei vaadita suuria investointeja. Tämä on strategista tekemistä, joka edellyttää selkeitä prosesseja.

Hyvin herkästi keskustelu datasta ja sen hyödyntämisestä kääntyy työkaluihin. Mietitään, minkälaisia järjestelmiä tarvitaan ja miten niillä tehdään asioita. Jos asiaa lähestytään teknologia edellä, niin tekeminen ei lopulta ole kovin strategista.

Haluatko varmistaa, että markkinointikoneistosi kerää, analysoi ja hyödyntää asiakasdataa mahdollisimman tehokkaasti? Ota meihin yhteyttä, niin viritetään koneisto kuntoon.

Tekoälyn potentiaali on kiistaton. Sen avulla voidaan jo tänä päivänä tehdä uskomattomia asioita, kuten automatisoida työprosesseja ja analysoida valtavia määriä dataa silmänräpäyksessä. Potentiaalista huolimatta harvalla yrityksellä on kuitenkaan vielä edellytyksiä hyödyntää tekoälyä myynnin johtamisessa.

Olemme viime vuosien aikana tehneet lukemattomia asiakaskäyntejä ja tutkineet CRM-järjestelmien hyödyntämistä suomalaisyrityksissä. Meille on muodostunut varsin tarkka käsitys myynnin johtamisen tilasta Suomessa.

Tällä hetkellä tärkeintä olisi saada perustekeminen riittävän korkealle tasolle.

Olin äskettäin Tampereella puhumassa “Tekoäly ja myynnin tulevaisuus” -seminaarissa, jossa tarkasteltiin tekoälyn mahdollisuuksia myynnin kehittämisessä monelta eri kantilta. Viestini tapahtumaan kerääntyneelle runsaslukuiselle yleisölle oli yksinkertainen: suurin osa yrityksistä ei ole vielä valmiita hyödyntämään tekoälyä myynnin johtamisessa.

Miksi?

Syitä on monia, mutta hieman yksinkertaistaen kyse on heikkolaatuisesta datasta ja CRM-järjestelmien vaillinnaisesta hyödyntämisestä. 

Lue tutkimusraportista, mikä on myynnin johtamisen tilanne Suomessa ja nappaa parhaat vinkit myynnin johtamisen kehittämiseen.

Mistä rahasi tulevat?

Kun puhutaan tekoälystä ja myynnin johtamisesta, keskitytään usein liidien ja myyntimahdollisuuksien kvalifiointiin. Tekoälyn ajatellaan ikään kuin pystyvän erottamaan jyvät akanoista. Ideaalimaailmassa tekoäly pystyisi vaivattomasti poimimaan liideistä lupaavimmat ja auttamaan yritystä keskittymään myyntityössä juuri oikeisiin asioihin.

Elämme kuitenkin reaalimaailmassa, jossa asiat eivät aina toimi niin kuin haluaisimme niiden toimivan.

Käytännön esimerkit tekoälykeskustelussa liittyvät miltei poikkeuksetta uusmyyntiin, vaikka yritysten myynnistä suurin osa tulee usein jo olemassa olevilta asiakkailta. Kun tarkastelemme, miten yritykset näille nykyisille asiakkailleen myyvät, törmäämme tekoälyn näkökulmasta merkittäviin haasteisiin.

Kuvailen tässä muutamia eri tapoja, joilla yritykset myyvät nykyisille asiakkailleen. Kuvailen myös samalla hieman kärjistäen, minkälaisia haasteita yleiset käytännöt aiheuttavat laadukkaan datan keräämisen näkökulmasta. Tämä auttaa ymmärtämään paremmin, miksi tekoälyn hyödyntäminen on niin hankalaa.

• Normaalit asiakkaat. Olemassa olevia asiakkuuksia yritetään johtaa CRM:ssä samalla tavalla kuin uusmyyntiä. Toimintaa johdetaan myyntisuppilolla, joka istuu erittäin huonosti nykyisten asiakkuuksien johtamiseen ja johtaa usein siihen, ettei järjestelmään kerry oikeaa dataa – jos myyjät edes vaivautuvat päivittämään tietoja.
• Avainasiakkaat. Suunnitelma avainasiakkuuksien johtamiseen tehdään yleensä kerran vuodessa, mutta jätetään nurkkaan pölyttymään. Myynnin johdolla ei ole näkyvyyttä siihen, mitä myyjä avainasiakkaan kanssa tekee. Myöskään mitään dataa tekemisestä ei kerry.
• Pienet asiakkuudet. Näitä palvellaan henkilökohtaisesti, vaikka se ei olisikaan yritykselle kannattavaa. Pienistä tilauksista tehdään vielä harvemmin merkintää CRM:ään, puhumattamaan muista asiakkaisiin liittyvistä aktiviteeteista.
• Puhelinmyynti. Myyjät käyttävät Excel-taulukoissa olevia soittolistoja. Data myös usein jää näihin taulukoihin.
• Sopimusasiakkaat ja jatkuvat palvelut. Sen sijaan, että myyjien toiminta tähtäisi suunnitelmallisesti asiakassuhteen rakentamiseen ja tilausmäärien kasvattamiseen, myyjät lähinnä ottavat tilauksia vastaan. Dataa ei kerry siitä, miten asiakkaiden kanssa toimitaan ja mikä tekeminen johtaa toivottuihin lopputuloksiin.
• Verkkokauppa. Toimii omana erillisenä järjestelmänä, josta ei saada dataa CRM-järjestelmään.
• Kumppanit, joiden tekemiseen myynnin johdolla ei välttämättä ole mitään näkyvyyttä. Tilauksia tulee jos on tullakseen, mutta ennustaminen on erittäin hankalaa, koska taustalla ei ole muuta dataa kuin se, minkä verran kumppani on myynyt.
• Asiakaspalvelu ja kenttähuolto. Nämä suoraan asiakkaaseen kontaktissa olevat tahot olisivat usein parhaita kanavia lisämyynnille, mutta toimintamallit puuttuvat kokonaan ja dataakaan ei näin kerry esimerkiksi potentiaalin arviointia varten.

Jotta tekoälyä voidaan hyödyntää myynnin johtamisessa, tarvitaan laadukasta dataa.

Mikäli data on levällään eri järjestelmissä tai laadultaan heikkoa, tai myyjät eivät käytä järjestelmää optimaalisella tavalla, ei tekoälystä ole myyntityössä hyötyä. 

Tarkastellaan edelleen myyntimahdollisuutta jo olemassa olevalle asiakkaalle. Myyntimahdollisuuden voittamiseen vaikuttaa valtava määrä asioita, kuten yrityksen oma tarjooma, hinnoittelu, kilpailijat ja henkilökemia. Muuttujia on niin paljon, että kaikkien niiden vaikutusta lopputulokseen on mahdotonta arvioida. 

Tekoälylle tällainen analysointi on kuitenkin ideaalimaailmassa lastenleikkiä. Tekoäly voi kertoa, kuinka todennäköistä myyntimahdollisuuden voittaminen on ja mitä myyjän kannattaa tehdä mahdollisuuksien parantamiseksi. Kaikki tämä tieto voi löytyä helposti CRM-järjestelmästä muiden perustietojen rinnalta.

Palataanpa takaisin reaalimaailmaan. Jos myyjät eivät käytä CRM-järjestelmää kunnolla, vaan täyttävät silmiään pyöritellen ainoastaan pakolliset tiedot jälkikäteen myyntimahdollisuuden lopputuloksesta, ei järjestelmään yksinkertaisesti kerry riittävästi laadukasta dataa, jota tekoäly voisi analysoida.

Tekoälyn hyödyntäminen siis edellyttää, että yritykset harppaavat reaalimaailmasta ideaalimaailmaan. Se vaatii perusasioihin keskittymistä. Kun perustekeminen saadaan riittävän korkealle tasolle, voidaan myös tekoälyn huikea potentiaali valjastaa myynnin käyttöön.

Kolme vinkkiä perustason nostamiseen

CRM:ään konfiguroidut myyntiprosessit tuottavat valtavat määrät laadukasta dataa, jos järjestelmiä käytetään ja hyödynnetään kunnolla. Tekoäly voi auttaa johtamaan myyntiä datan avulla sekä tukea myyjien omaa tekemistä lukuisilla eri tavoilla. Tekoälyä voi hyödyntää sekä uusmyynnissä että nykyisille asiakkaille myymisessä.

Tämä kaikki vaatii kuitenkin perusasioiden saamista kuntoon.

Jotta perusasiat saadaan kuntoon, on tehtävä muutama asia:

1. Kaikki eri myyntiprosessit on rakennettava järjestelmiin. Emme ole vielä kertaakaan törmänneet yritykseen, jossa olisi vain yksi myyntiprosessi. Olemme kuitenkin nähneet monia yrityksiä, joissa myyntiä yritetään johtaa vain yhden CRM:ään rakennetun myyntiprosessin kautta.
2. Kaikki tarpeellinen data on saatava samaan paikkaan. Jos asiakkaasi esimerkiksi tekevät tilauksia verkkokaupassa, on tämä data saatava myös CRM:n puolelle.
3. Datan laatu on laitettava kuntoon. Usein tämä tarkoittaa sitä, että myyjät on saatava käyttämään CRM:ää. Myyjät kyllä käyttävät CRM:ää mielellään, kunhan ovat päässeet alusta asti mukaan sen kehittämiseen ja kokevat sen auttavan heitä työn tekemisessä.

Kun perusasiat ovat kunnossa, voidaan myyntiä johtaa entistä paremmin tekoälyn tekemien suositusten avulla.

Jos haluat lukea lisää tekoälystä myynnissä, käy lataamassa “Myy enemmän tekoälyn avulla” -oppaamme.

Madridissa 27.-29. marraskuuta järjestetty Discover on HPE:n vuoden päätapahtuma Euroopassa. Olin mukana noin 20 henkilön influencer-tiimissä koko tapahtuman ajan.

Kokosin tähän tekstiin HPE Discover -tapahtumasta asiakasdatan kannalta keskeiset opit. Olen myös peilannut näiden uusien teknologioiden vaikutusta yrityksiin myös CRM:n näkökulmasta.

1. Big dataa ei välttämättä kannata ladata pilveen

Nyt kun mobiili- ja IoT-sovelluksia on enemmän ja enemmän ja dataa syntyy paljon, on hyvä miettiä, miten tätä dataa voisi hyödyntää. Yksi oppi HPE Discoverissa oli, että tätä dataa ei ole pakko ladata tai siirrellä mihinkään, vaan asiakkaaseen liittyvää Big dataa voidaan käsitellä heti verkon laidalla (Edge). Tästä on hyötyä esimerkiksi kaupassa, kun asiakkaalle halutaan tehdä räätälöityjä ostosuosituksia.

CRM:n näkökulmasta varmasti jotain verkon laidalla työstettyä tietoa halutaan tallentaa myös CRM:ään, vaikkakaan ei kaikkea dataa sellaisenaan. Tällaista tietoa voisivat olla esimerkiksi käyttäjän tekemät valinnat, käyttäjän segmentointiin tuotavat tiedot tai käyttäjän toimintaan liittyvät tiedot, kuten esimerkiksi päivämäärät, milloin palveluita on käytetty.

2. Myös tunnistamattomista asiakkaista saa hyödyllistä dataa

Usein yrityksissä tasapainotellaan tunnistettujen ja tunnistamattomien asiakkaiden kanssa. Esimerkkinä asiakaskokemuksen kehittämisen osalta HPE Discoveryssä oli Ryder Cup. Heillä asiakkaista tunnistettiin noin 20 prosenttia ja tunnistamatta jäi jopa 80 prosenttia.

Myös tunnistamattomista asiakkaista pystyy saamaan tietoa, kuten esimerkiksi sen, kauan he ovat kaupassa tapahtuma-alueella. Tämä auttaa kaikkien asiakkaiden asiakaskokemuksen kehittämisessä.

3. Maailmanluokan asiakaskokemukseen liittyvät teknologiat kehittyvät koko ajan

Ryder Cupin asiakaskokemuksen osalta oltiin jo tehty isoja harppauksia, kuten oma mobiilisovellus, jolla pystyi saamaan reaaliaikaista videokuvaa lähetyksistä ja muuta tietoa.

Parhaiten itse tapahtumasta jäi kuitenkin mieleen Ryder Cupin CTO:n Michael Colen asenne jatkuvaan kehittämiseen. Kysyimme häneltä, mitkä asiat menevät heillä paremmin kuin Olympialaisissa. Vastauksena saimme, että heillä ei ole tarve olla keksimässä kaikkia uusia ideoita ensimmäisenä, vaan heille riittää olla ottamassa hyviä käytäntöjä käyttöön myös kakkosina. Seuraavina kehityskohteina Michael mainitsi shop-by-shop-analytiikan ja laajennetun todellisuuden hyödyntämisen mainonnassa.

Asiakasdatan hyödyntämisen osalta teknologiat kehittyvät koko ajan. Tämä mahdollistaa entistä saumattomamman asiakaskokemuksen.

Asiakasdatan hyödyntämisen osalta teknologiat kehittyvät koko ajan. Tämä mahdollistaa entistä saumattomamman asiakaskokemuksen. Asiakaskokemuksen luomisessa voidaan hyödyntää tietoa, jonka tiedämme asiakkaista CRM:n pohjalta, ja toisaalta CRM:n tietoa voidaan rikastaa asiakkaista uusien teknisien ratkaisujen myötä saamiemme tietojen pohjalta. Pitkälle jalostettuna asiakkaasta voidaan muodostaa todellinen Asiakas360-näkymä. Elämme mielenkiintoisia aikoja.